改进的RBF神经网络模式分类方法理论研究

被引：7

作者：

高大启

杨根兴

机构：

[1] 华东理工大学计算机科学与工程系

[2] 华东理工大学计算机科学与工程系上海

[3] 上海

来源：

华东理工大学学报 | 2001年 / 06期

关键词：

径基函数; 线性基本函数; 神经网络; 模式分类;

D O I：

10.14135/j.cnki.1006-3080.2001.06.023

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

研究了前向两层径基函数 ( RBF)网络和前向两层线性基本函数 ( LBF)网络的分类机理及其结构与初始参数优化确定方法 ,提出了 Guassian核函数的中心和宽度应通过学习自动确定 ,在学习过程中根据错分样本自身的类别和被错分入的类别自动生成新的核函数 ,并根据新增核函数对测试集的作用自动删除多余核函数的观点 ,从理论上阐明了采用 Sigmoid活化函数的两层LBF网络的分类阈值为 0 .5 ,进而提出了由两层 RBF网络和两层 LBF网络组成的前向 RBF神经网络—— IRBF神经网络

引用

页码：677 / 683

页数：7